□ 李文震 □ 羅漢武 □ 陳師寬 □ 宋屹峰 □ 孫 鵬 □ 景鳳仁 □ 饒成龍

1.國網(wǎng)內(nèi)蒙古東部電力有限公司 呼和浩特 010010 2.中國科學(xué)院沈陽自動化研究所機器人學(xué)國家重點實驗室 沈陽 110016 3.中國科學(xué)院機器人與智能制造創(chuàng)新研究院 沈陽 110169

1 設(shè)計背景

變電站是電力系統(tǒng)中對電能的電壓和電流進行變換、集中和分配的場所,其正常運行直接保證電能的質(zhì)量,以及設(shè)備的安全。而變電站周圍鳥類活動頻繁,鳥類會使用爪、鳥喙對絕緣外皮進行破壞,同時大型鳥類降落在電容器組時,極易引發(fā)電容器組短路、絕緣失效等電路故障。據(jù)統(tǒng)計,鳥害原因致使變電站交流濾波器發(fā)生跳閘等電路故障,占我國電網(wǎng)電路故障三分之一以上[1-3]。

目前,為降低鳥類活動對變電站平穩(wěn)工作的影響,人們加快了對驅(qū)鳥裝置的研發(fā)進程,以提高對鳥類驅(qū)散效果。當(dāng)前的驅(qū)鳥方式可分為物理驅(qū)鳥、生物化學(xué)驅(qū)鳥和多模式綜合驅(qū)鳥等。常見的物理驅(qū)鳥包括驅(qū)鳥刺、驅(qū)鳥車、彩色風(fēng)車、聲波發(fā)射器、語音廣播等[4-7],驅(qū)鳥刺的應(yīng)用可有效減少電路跳閘的發(fā)生[8-9],短期內(nèi)驅(qū)鳥效果明顯。但長時間后,存在鳥類在驅(qū)鳥刺上筑巢的現(xiàn)象,使得驅(qū)鳥失敗。以聲光電為代表的物理驅(qū)鳥,主要通過驅(qū)鳥裝置發(fā)射出的可見光、超聲波、高壓脈沖和電弧聲[10-12],來刺激鳥類的感知器官,使鳥類感到不適或者恐慌來達到驅(qū)散的目的,這種驅(qū)散方式盲目性大,而且鳥類很容易對其產(chǎn)生適應(yīng)性。在生物化學(xué)驅(qū)鳥方面,常見的驅(qū)鳥劑以顆粒型、粉劑型、水劑型為主。以典型的生物長效緩釋型驅(qū)鳥劑為例[13],該釋放型驅(qū)鳥劑的使用可降低50%因鳥害引發(fā)的用電事故率。日本大都工業(yè)制造廠研發(fā)了利用紊亂磁場驅(qū)鳥的驅(qū)鳥器[14],該裝置利用旋轉(zhuǎn)磁鐵產(chǎn)生的絮亂磁場去干擾鳥類的生物磁場,使鳥類不敢靠近。盡管生物驅(qū)鳥可以達到一定的驅(qū)鳥效果,但這種驅(qū)散方式對鳥類造成一定程度的傷害。近年來,國內(nèi)外多家機構(gòu)開展了多模式綜合驅(qū)鳥研究和智能驅(qū)鳥策略[15-17]。

田杰等[18]設(shè)計開發(fā)了綜合性驅(qū)鳥系統(tǒng),首先將監(jiān)控的區(qū)域劃分為若干個小區(qū)域,通過結(jié)合可見光圖像檢測儀、聲音探測儀、雷達等多源傳感器,獲取鳥群的位置信息,再根據(jù)位置信息判斷鳥群所在的小區(qū)域。并觸發(fā)該區(qū)域內(nèi)的驅(qū)鳥裝置,有目的性的對鳥類驅(qū)散。張葛[19]、劉宇[20]等將變電站劃分成多個小區(qū)域。在不同的小區(qū)域內(nèi)根據(jù)鳥類活動的規(guī)律,采用分布式的設(shè)計思路,靈活布設(shè)不同的探測裝置,經(jīng)決策驅(qū)鳥裝置的觸發(fā),驅(qū)散后利用雷達掃描,根據(jù)在雷達徑向距離的改變值,判別是否驅(qū)散成功 。多模式綜合驅(qū)鳥方式和智能驅(qū)鳥策略局部解決了驅(qū)鳥方式單一和鳥類適應(yīng)性的問題,而從驅(qū)鳥效率來看,依然存在驅(qū)鳥指向性不足的問題。

針對上述驅(qū)鳥裝置的現(xiàn)狀,筆者設(shè)計了一種基于紅外感知的變電站鳥類定向驅(qū)動裝置。這一驅(qū)鳥裝置采用紅外圖像進行鳥類目標(biāo)檢測與識別,實現(xiàn)對遠距離鳥類、遮掩鳥類的精準(zhǔn)識別,并對識別到的鳥群個體進行跟蹤標(biāo)記,而后將識別的鳥類位置反饋給主控器,控制二維轉(zhuǎn)臺轉(zhuǎn)動瞄準(zhǔn)鳥群所在位置,利用高爆聲波驅(qū)鳥炮定向完成鳥類驅(qū)散,解決傳統(tǒng)驅(qū)鳥裝置對鳥類驅(qū)散指向性不足,以及鳥類對驅(qū)散裝置產(chǎn)生適應(yīng)性的問題。

基于對鳥類的識別、跟蹤驅(qū)散,有效解決了驅(qū)鳥裝置因指向性不足導(dǎo)致鳥類快速適應(yīng)的問題,同時,用紅外圖像進行目標(biāo)檢測,可實現(xiàn)變電站大視場檢測,解決了鳥類微小目標(biāo)難以檢測的問題。

2 裝置設(shè)計

2.1 系統(tǒng)組成

筆者設(shè)計的驅(qū)鳥裝置如圖1所示,該驅(qū)鳥裝置由機械子系統(tǒng)、控制子系統(tǒng)和感知子系統(tǒng)構(gòu)成。機械子系統(tǒng)由驅(qū)鳥炮底座、底座安裝板和驅(qū)鳥炮炮筒組成,控制子系統(tǒng)由主控箱、二維電動轉(zhuǎn)臺、炮筒姿態(tài)調(diào)整器和驅(qū)鳥炮控制點火器組成,感知子系統(tǒng)包括雙光紅外相機和相機底座。驅(qū)鳥炮筒通過炮筒姿態(tài)調(diào)整器與二維電動轉(zhuǎn)臺連接,二維電動轉(zhuǎn)臺與驅(qū)鳥炮底座連接為一體,其中炮筒利用炮筒姿態(tài)調(diào)整器實現(xiàn)上下的轉(zhuǎn)動,利用二維電動轉(zhuǎn)臺實現(xiàn)在二維平面的左右轉(zhuǎn)動。通過相機底座安裝在驅(qū)鳥炮筒上的雙光紅外相機,其光軸軸線與炮筒的中心軸線平行。

2.2 運行原理

在驅(qū)鳥裝置處于工作狀態(tài)時,雙光紅外相機對前方視場進行實時的檢測,在發(fā)現(xiàn)視場中有鳥類活動蹤跡時,實時將鳥類與相機兩者的相對坐標(biāo)信息傳輸給主控器,主控器將傳回數(shù)據(jù),計算出鳥類坐標(biāo)與炮筒中心軸線之間的偏差量,如果偏差值在允許誤差范圍內(nèi),則點火控制器被觸發(fā),炮筒發(fā)射出高爆聲波,對鳥類進行驅(qū)散。如果偏差值超出允許誤差范圍,主控器根據(jù)偏差值進行計算,根據(jù)計算結(jié)果,控制二維電動轉(zhuǎn)臺和炮筒姿態(tài)調(diào)整器的轉(zhuǎn)動,快速調(diào)整俯仰與偏航角度,將偏差值調(diào)整在允許誤差范圍內(nèi),然后觸發(fā)驅(qū)鳥炮控制點火器,炮筒發(fā)射出高爆聲波,對鳥進行驅(qū)散。

▲圖1 驅(qū)鳥裝置

3 基于紅外感知的鳥類識別方法

目前,驅(qū)鳥裝置主要借助多普勒雷達探測器、可見光相機、語音偵聽等設(shè)備對變電站內(nèi)的鳥類進行識別。其中語音偵聽方式的偵聽范圍有限,且容易受其它雜聲的影響產(chǎn)生誤判,而可見光相機的應(yīng)用面臨著變電站早晚光照差異大,監(jiān)測視場內(nèi)可利用的特征點少等問題,導(dǎo)致可見光相機對變電站環(huán)境的適應(yīng)性差。多普勒雷達探測器容易受變電站中產(chǎn)生雜波的影響,產(chǎn)生漏判或誤判。基于以上分析,結(jié)合變電站環(huán)境中可利用特征信息少,紅外弱小運動目標(biāo)在地空背景下無法被精確檢測的實際情況。筆者首先將所要識別目標(biāo)分為顯著目標(biāo)識別和微小目標(biāo)識別兩大類,并分別制定更具有針對性的識別算法。針對顯著目標(biāo)的識別圖像制定檢測策略,結(jié)合靜止背景下的運動目標(biāo)檢測方法,利用幀間圖像配準(zhǔn)后得到的小序列進行運動目標(biāo)檢測,針對微小運動目標(biāo)檢測,采用背景抑制方法,融合多尺度局部亮度差和加權(quán)圖像局部熵,提高整體檢測的穩(wěn)定性和準(zhǔn)確率。

3.1 圖像預(yù)處理

為降低條紋噪聲的影響,首先采用雙邊濾波對紅外圖像進行去噪。

然后利用尺度不變特征變換進行了圖像的配準(zhǔn),克服了Harris角點的不具備尺度不變性的問題,而且對光照、噪聲、視角變化都具備很強的穩(wěn)定性,獨特性好,在特征匹配時具有高的正確率。

3.2 顯著目標(biāo)檢測

筆者采用了基于連續(xù)離異點低秩表達的運動目標(biāo)檢測方法。首先對于配準(zhǔn)好圖像序列,將圖像分解為由基本不變的背景、運動目標(biāo)組成的前景、噪聲三部分組成。筆者所采用的目標(biāo)是在背景圖像中估測運動的前景目標(biāo)。

采用交替迭代算法來求解能量泛函模型,通過將能量泛函求解分成兩個步驟,分別能量最小化背景圖像和運動的前景目標(biāo)。

連續(xù)離異點低秩表達的運動目標(biāo)檢測方法的應(yīng)用,不僅提高了鳥類在變電站復(fù)雜環(huán)境下的識別效率,還實現(xiàn)了對被變電站內(nèi)裝置遮掩鳥類的精準(zhǔn)識別。

3.3 微小目標(biāo)檢測

紅外成像系統(tǒng)遠距離成像時,鳥類等目標(biāo)呈現(xiàn)小目標(biāo)特性。又由于遠距離的原因,目標(biāo)運動不明顯,在動平臺成像時,周圍背景的運動變化量遠大于目標(biāo),且特征背景少。對此筆者提出了基于多尺度亮度差加權(quán)熵的方法。多尺度亮度差體現(xiàn)的是中心與周圍鄰域的差異性,容易受強邊緣信息影響,通過結(jié)合局部熵對多尺度亮度差進行修正,可以提高整體檢測的穩(wěn)定性和準(zhǔn)確率。

首先利用局部亮度差比較中心像素周圍像素點的均值與其外圍像素均值的差異。由于目標(biāo)大小不確定,固定內(nèi)窗和外窗大小無法滿足實際應(yīng)用,需要引入多尺度信息。根據(jù)小目標(biāo)的定義,小目標(biāo)占2像素×2像素到8像素×8像素之間,通過固定外窗,取不同大小的中心像素鄰域作為內(nèi)窗,分別計算內(nèi)窗與內(nèi)外窗之間的局部亮度差,以它們之間最大的亮度差作為該中心點的多尺度局部亮度差。

由于紅外圖像中,小目標(biāo)的出現(xiàn),破壞了目標(biāo)區(qū)域的紋理特征,會導(dǎo)致目標(biāo)區(qū)域的圖像熵發(fā)生變化。通過限定局部窗口大小,以窗口內(nèi)圖像信息計算圖像熵,便能體現(xiàn)局部特征。根據(jù)最大熵原理,均勻分布的區(qū)域熵要大于非均勻分布的區(qū)域,由此可以根據(jù)局部圖像熵在復(fù)雜背景中尋找目標(biāo)。

多尺度亮度差加權(quán)的局部熵,由局部熵結(jié)合多尺度亮度差組成。多尺度亮度差加權(quán)熵可以有效地增強目標(biāo)、抑制背景。使得驅(qū)鳥裝置的感知子系統(tǒng)中的雙光紅外相機可以透過變電站復(fù)雜環(huán)境,及時有效的對距離變電站較遠的鳥群識別,實現(xiàn)對鳥類在未進入變電站之前進行驅(qū)散。

4 定向跟蹤驅(qū)散控制

4.1 控制模型

在變電站對鳥類進行定向跟蹤驅(qū)散,首先要對鳥類進行識別,然后對鳥類的位置進行精準(zhǔn)確定,最后使用聲波驅(qū)鳥炮對鳥類進行定向驅(qū)逐。為此,筆者設(shè)計了一套控制系統(tǒng),系統(tǒng)控制框圖如圖2所示,實現(xiàn)對鳥類的跟蹤和最大驅(qū)散強度的指向性驅(qū)散。

圖2中,(u0,v0)為鳥類在圖像中的期望位置,(ui,vi)為鳥類在圖像中的當(dāng)前位置,e(t)為鳥類當(dāng)前位置與期望位置的偏差值,θ1、θ2分別為偏差值解耦的俯仰角度與偏航角度,u(t)為輸出信號。

▲圖2 系統(tǒng)控制框圖

▲圖3 成像原理

首先通過相機對鳥類進行圖像捕捉,來確定鳥類當(dāng)前位置。成像原理如圖3所示,將相機獲取的鳥類位置信息(ui,vi)傳送到主控制器中,與期望位置(u0,v0)進行比較。

然后根據(jù)二維電動轉(zhuǎn)臺俯仰偏航運動完全解耦,將得到的偏差值解耦的θ1、θ2傳送到比例積分微分控制器中,以調(diào)整聲波驅(qū)鳥炮俯仰角度θ1與偏航角度θ2,捕捉鳥類實時位置,并更新鳥類目標(biāo)在圖像中的位置(ui,vi)。驅(qū)鳥過程如圖4所示。根據(jù)常見鳥類大小與相機參數(shù)進行估計匹配,從而對鳥類的位置進行實時更新,最后利用聲波驅(qū)鳥炮對鳥類進行定向驅(qū)逐。

▲圖4 驅(qū)鳥過程

4.2 控制率

為了更加精準(zhǔn)地跟蹤鳥類,驅(qū)鳥裝置采用了比例、積分、微分控制算法來實時跟蹤。相機識別鳥類后,應(yīng)用比例、積分、微分控制算法來調(diào)整聲波驅(qū)鳥炮俯仰角度及偏航角度,以確定鳥類的位置。當(dāng)系統(tǒng)發(fā)生偏差時,可立即產(chǎn)生調(diào)節(jié)作用,以減少偏差,消除系統(tǒng)穩(wěn)態(tài)誤差,提高準(zhǔn)確度。應(yīng)用比例積分微分控制算法,可精準(zhǔn)調(diào)節(jié)聲波驅(qū)鳥炮的角度,實現(xiàn)對鳥類定向跟蹤和最大驅(qū)散強度的指向性驅(qū)散。輸出信號u(t)為:

(1)

式中:Kp為比例因數(shù);Ti為積分時間常數(shù);Td為微分時間常數(shù);t為時間。

聲波驅(qū)鳥炮與鳥的相對位置可以定向跟蹤,如圖5所示,聲波驅(qū)鳥炮與鳥類位置ui的關(guān)系可表示為:

ui=fXi/L-ftanθ1+ul/2

(2)

式中:L為鳥類與聲波驅(qū)鳥炮的水平距離;f為相機焦距;Xi為鳥類位置相對于聲波驅(qū)鳥炮的高度;ul為相機在成像面上的視野。

類似情況下,可以得到vi的表達式為:

vi=fXi/L-ftanθ2+ul/2

(3)

▲圖5 定向跟蹤

5 試驗

為驗證對微小目標(biāo)鳥類的實時跟蹤方法,試驗分為實驗室試驗與現(xiàn)場試驗。采用聲光復(fù)合方式,結(jié)合紅外相機與聲波驅(qū)鳥炮裝置,對顯著目標(biāo)及微小目標(biāo)進行實時跟蹤,以實現(xiàn)指向性驅(qū)散鳥類。

5.1 實驗室試驗

在實驗室應(yīng)用聲波驅(qū)鳥炮對顯著目標(biāo)進行測試,如圖6、圖7所示,目標(biāo)物體出現(xiàn)且目標(biāo)大小低至12像素×12像素時,相機可以準(zhǔn)確捕捉到目標(biāo)并進行識別標(biāo)記。同時,該裝置在低對比度的情況下也可以對目標(biāo)物體進行實時跟蹤。

5.2 現(xiàn)場試驗

在實驗室試驗的基礎(chǔ)上,應(yīng)用驅(qū)鳥裝置在變電站對鳥類開展跟蹤試驗,如圖8所示,這驅(qū)鳥裝置可以對微小目標(biāo)識別跟蹤?？梢园l(fā)現(xiàn),對4像素×4像素及以上的鳥類可以準(zhǔn)確識別并實時跟蹤,而對2像素×2像素的鳥類在追蹤的過程中會有約20%連續(xù)運動幀丟失的情況,但考慮到目標(biāo)鳥類離變電站的距離較遠,不會對變電站的正常運行產(chǎn)生實際影響,所以這驅(qū)鳥裝置可以滿足當(dāng)前的實際要求。同時,可以控制運動目標(biāo)數(shù)量檢測,對鳥類的多個目標(biāo)進行檢測,以實現(xiàn)實時跟蹤。

針對以上試驗,可以發(fā)現(xiàn),該驅(qū)鳥裝置能夠?qū)︼@著目標(biāo),以及微小目標(biāo)的鳥類實時追蹤。同時,對于多目標(biāo)和復(fù)雜場景下的目標(biāo)追蹤,該驅(qū)鳥裝置同樣有效。

6 結(jié)束語

變電站周圍經(jīng)常出現(xiàn)鳥類活動,比較容易引起電容器組短路,造成嚴重電路事故。筆者針對鳥害設(shè)計了一種基于紅外感知的變電站鳥類定向驅(qū)散裝置,采用圖像匹配,對鳥類精準(zhǔn)定位與識別,并實現(xiàn)指向性驅(qū)散。相比于傳統(tǒng)的持續(xù)輸出聲光電信號驅(qū)散鳥類,該驅(qū)鳥裝置采用紅外光對鳥類進行識別,運算速度快、識別準(zhǔn)確率高,且應(yīng)用高爆聲波驅(qū)鳥炮,在不傷害鳥類的基礎(chǔ)上可實現(xiàn)快速準(zhǔn)確的指向性驅(qū)散功能。

▲圖6 實驗室試驗▲圖7 實驗室試驗轉(zhuǎn)臺控制

▲圖8 現(xiàn)場試驗